Правильная HR-аналитика: понять сотрудников и сэкономить на найме — Работа.ру на

Правильная HR-аналитика: понять сотрудников и сэкономить на найме — Работа.ру на Аналитика

Введение в веб-аналитику: что это и для чего

Современное влияние веб-аналитики на бизнес заключается в том, что компания подбирает те методы распространения контента, которые дадут максимум результата. А это жизненно важно для компании в условиях высокой конкуренции. Собирать показания с интернет-ресурсов стоит и тем, кто запускает часть кампаний в офлайне, так как маркетинг в Сети может выгодно дополнять их.

Стандартное определение термина, что такое веб-аналитика, выглядит так: Web Analytics, или интернет-аналитика, — это система для сбора и анализа данных с различных виртуальных площадок, где представлена компания. 

Что делают специалисты по аналитике работы сайта вместе с маркетологами:

  • изучают и внедряют новые программы лояльности и торговые предложения для повышения конверсии и улучшения позиций продукта на рынке;
  • создают рекламные креативы и посылы, которые получат положительный отклик у ЦА;
  • анализируют результаты маркетинговых активностей, оптимизируют их и рекламный бюджет. 

В итоге аналитика работы сайта не только привлекает лидов, повышает конверсию, но и помогает распределять денежные средства только на эффективные каналы продвижения. 

В интернет-маркетинге цели веб-аналитики можно разделить на бизнес-цели компании и улучшение пользовательского опыта. Эти две категории целей тесно связаны между собой. Владельцы интернет-ресурсов стремятся к тому, чтобы посетители покупали у них и вместе с тем получали положительный опыт, который укрепляет их доверие к компании или магазину.

Ведь лояльный пользователь для бизнеса — это основная движущая сила предпринимательского дела. Получается, что веб-аналитика — это такое систематическое развитие, которое включает сбор, анализ данных и внедрение работающих методик продвижения в постоянный набор рекламных активностей.

При оценке юзабилити и эффективности сайта методы веб-аналитики позволяют уточнить параметры, важные для бизнеса. Например, на каких категориях товаров или услуг нужно сосредоточиться, чтобы стимулировать еще больший интерес клиентов и добиться регулярной коммуникации с потребителями — потенциальными или уже реальными.

Web-аналитика опирается на эти методы:

  • анализ посещаемости сайта: статистика, тенденции, показатели в абсолютной величине или относительно других;
  • анализ данных e-commerce: средний чек, наиболее продаваемые услуги или товары, доход по каналам привлечения трафика;
  • изучение удобства сайта: плотность кликов, конверсионные пути пользователей на ресурсе, скроллинг;
  • анализ поведения пользователей на страницах сайта: как взаимодействуют с формами, совершают микро- и макроконверсии;
  • бенчмаркинг: сравнение с общими тенденциями и с трендами у конкурентов;
  • сквозная аналитика: отслеживание полного пути посетителя от клика по объявлению до совершения покупки;
  • сбор cookies: сопоставление активности с личной информацией пользователя на других сервисах, где он ее оставил.

Со стороны компании задачи веб-аналитики включают:

  • детальный анализ поведения посетителей сайта;
  • изучение того, как достигаются цели компании по охвату, установкам приложений, подпискам, покупкам и так далее;
  • сбор статистики по текущим KPI. 

KPI — это ключевые показатели эффективности. Эти параметры компания выбирает на основе своих задач: увеличить возврат в инвестиции — ROI, оптимизировать цену за клик — CPC, получить максимальную прибыль от клиента за всё время — LTV, и так далее. Вся собранная информация анализируется и используется в маркетинге для улучшения юзабилити ресурса и постановки корректных бизнес-целей.

Собранные в ходе веб-анализа данные являются также частью аналитики управления взаимоотношений с клиентами — CRM-аналитики. Они используются, чтобы облегчить и упростить принятие эффективных бизнес-решений.

5 правил авс-анализа

  1. Анализ неоднородной продукции

    Когда компания реализует товар одной группы, сложностей не возникает. Если же в ассортименте фирмы присутствует разнообразная продукция, а товары существенно различаются по стоимости, обороту и прибыли, которую они приносят, то дела обстоят иначе.

    Проведя АВС-анализ по всей продуктовой линейке, мы получим нерелевантные результаты, применение которых может повлечь за собой ошибочные решения.

    Допустим, если мы анализируем ассортимент по выручке, то по итогам оценки станем уделять особое внимание дорогостоящим позициям, но это вовсе не значит, что данные позиции окажутся лидерами по прибыльности и объёму продаж.

    Анализ неоднородной продукции

    Как поступить в этом случае? Необходимо разбить всю совокупность данных на однородные категории и провести АВС-анализ отдельно для каждой. Кроме того, не стоит анализировать товары, которые компания реализует исключительно «под заказ» с другими позициями, поскольку любой крупный контракт по ним переведёт их в категорию А, но у нас не будет никакой гарантии, что полученный объём продаж сохранится и в следующем месяце.

  2. Анализ данных за неоднородный период

    Очень важно определиться, как часто и в какие именно периоды стоит проводить АВС-анализ. Если компания торгует сезонными товарами, и решено сделать переоценку, например, осенью, вы рискуете убрать из ассортимента позиции, пик популярности которых приходится на весенний сезон. Именно поэтому для получения релевантных данных рекомендуется проводить анализ для каждого периода максимальных продаж отдельно.

  3. Анализ новых товаров

    Если в продуктовой линейке компании появились новые позиции, применяйте к ним другие критерии. Поскольку у вас нет возможности оценить их объём продаж за предыдущие месяцы, целесообразно будет обратиться к «политике наибольшего благоприятствования». По ней на первых порах новые товары можно по умолчанию занести в категорию А, чтобы уделять им больше внимания.

    Не стоит забывать и о возможных перебоях с поставками товара. На то может быть несколько причин: допущены просчёты в закупках, продукции нет в наличии у поставщика и пр. Поскольку какая-либо позиция отсутствовала в ассортименте, очевидно, что объём её продаж станет ниже потенциально возможного.

    Так, товар из категории А может несправедливо перейти в категорию В или С. В таких ситуациях следует исключить периоды отсутствия товара из таблицы АВС-анализа. Это легко осуществить, если перейти от суммарных продаж к средним продажам за меньший период (от годовых к квартальным или месячным).

  4. Выбор признаков для анализа

    Вы должны уметь выбирать параметры, по которым собираетесь проводить анализ и распределять товары по категориям. Прежде чем приступить к переоценке, подумайте о том, достаточно ли хорошо выбранные признаки отражают анализируемую совокупность и насколько они соответствуют конечной цели анализа.

  5. Дополняющие товары

    Удалив из ассортимента позиции категории С, убедитесь в том, что данная продукция не является дополнением к товарам из групп А и В. Помните: такое изъятие не должно негативно влиять на популярность товаров из лидирующих категорий.

Дополнительный анализ:  Что происходило на рынке спецтехники в 2019 и прогнозы на 2020

Коэффициент отсутствия на работе / Абcентеизм

Формула расчета:

Коэффициент отсутствия на работе = Часы отсутствия на рабочем месте / Фактический фонд рабочего времени

Т=(Во:Фв)*100 (%),

где:

Во — время отсутствия на рабочем месте (часы);Фв – Фактический фонд рабочего времени.

Часы отсутствий включают:

• отпуска (как оплачиваемые очередные, так и неоплачиваемые незапланированные)• болезни• прочие неявки, разрешенные законодательством /с разрешения администрации• прогулы• несанкционированные продолжительные отсутствия на рабочем месте

Показатель не включает отсутствия на рабочем месте по причинам, предусмотренные законодательством:• праздничные и выходные дни,• отпуска по беременности, отпуска по уходу за ребенком.• командировки и дни простоя по вине работодателя (напр., в силу временного снижения объемов производства)Фактический фонд рабочего времени рассчитывается исходя из эквивалента среднесписочной численности.

Почему показатель важен?

1. Сбор статистики по данному показателю на регулярной основе (часы отсутствий, средняя длительность отсутствий по тем или иным категориям персонала, функциям, должностям и пр.) позволяет:

• оперативно управлять численностью персонала;• планировать численность с учетом определенного процента невыходов на работу (в том числе сезонные повышения/снижения);• прогнозировать затраты на вознаграждение сотрудников;• диагностировать проблемы в трудовой дисциплине сотрудников;• качество менеджмента линейных руководителей.

2. Коэффициент отсутствий отражает процент производительного времени, потерянный из-за отсутствия работников на рабочем месте и позволяет оценить соответствующие издержки.

О чем говорят высокие / низкие значения?В наиболее частой интерпретации высокий уровень абсентеизма представляет собой реакцию персонала на неудовлетворительные рабочие условия. Соответственно, низкие показатели (нижний квартиль значений референтной группы) будут говорить о благоприятных и комфортных условиях труда.

При этом, показатель близкий к нулю может быть следствием злоупотребления методами борьбы с абсентеизмом. Такие методы стимуляции как поощрительные выплаты тем, кто редко болеет или удержания из выплат по больничному, депремирование за прогулы и пр. могут продуцировать «нездоровую» атмосферу (сотрудники начинают выходит на работу в болезненном состоянии, отказываются от отпусков и т.п.).

Нормирование показателя требует анализа данных по отраслевой (релевантной группе сравнения), анализа динамики и дополнительного анализа структуры (типы отсутствий и их соотношение).

Зачем нужна бизнесу

Предикативная аналитика дает преимущество перед Вашими конкурентами. Представьте, что Вы всегда владеете прогнозной информацией, знаете, что будет с бизнесом завтра, и какое решение более оптимальное в этой ситуации.

Важно. Сразу хочу извиниться перед математиками: это статья будет написана крайне простым языком, и для лучшего понимания, термины могут быть заменены на человеческие понятия, а принципы описаны ненаучно.

А теперь ответьте себе на один вопрос, только честно: “На основе чего Вы приняли последнее решение в Вашем бизнесе?” Ответили?

Наверняка что-то из разряда: “у меня большой опыт”, “раньше всегда так принимались решения”, “мне посоветовал мой маркетолог, жена, брат, сват” и т.д. И вполне вероятно, что это решение было верное, но случайное.

А теперь я Вам расскажу, как бы Вы его принимали, опираясь на предиктивную аналитику. Только учтите, что это лишь малая часть способов её применения.

предиктивный анализ
Предсказательная аналитика в разных сферах бизнеса

Кстати. Для поиска конкурентов рекомендую следующие сервисы: Livedune(по промокоду “INSCALE” скидка 30% 7 дней доступа), Spywords, Keyso. Они точно помогут Вам держать руку на пульсе.

Инструменты предиктивной аналитики

Есть много инструментов и программных продуктов. Они отличаются между собой функциональностью и удобством пользования. Некоторые из них нужны для создания предиктивных моделей, некоторые для их интерпретации, а самые продвинутые – для того и другого.

  1. Поддержка полного цикла аналитики. От исследования данных до создания моделей и оценки их эффективности;
  2. Интеграция знаний. Знания, полученные в процессе аналитики, должны интегрироваться в другие сферы бизнеса;
  3. Поддержка интеграции. Она необходима с различными источниками получения и обработки данных;
  4. Удобство пользования. Программа должна быть понятна для разных типов пользователей: от статистиков до менеджеров;
  5. Адаптивность к работе. Работоспособность с минимальным вмешательством программистов и технических специалистов.

Так вот, в результате функционирования таких систем, управляющие специалисты могут своевременно формировать гипотезы и проверять их, принимать точные и обоснованные решения.

НазваниеЦенаОписаниеПреимущества
Язык программирования RБесплатноФаворит рынка, это связано с тем, что в процессе обучения специалистов подобного профиля задействован именно этот язык программирования1. Открытый исходный код;
2. Расширяемая аналитическая среда;
3. Возможность визуализации представления данных;
4. Большое сообщество пользователей;
5. Разрабатывался статистиками для статистиков.
Язык программирования PythonБесплатноНабирает популярность. Основная идея: хороший язык программирования – простой и доступный1. Простой и интуитивно-понятный;
2. Встроен инструмент для тестирования;
3. Многоцелевой язык.
RapidMinerБесплатноСреда для прогнозной аналитики, которая поддерживает все этапа анализа, проверки, визуализацию и оптимизацию данных1. Не нужно знать программирования, метод визуального программирования;
2. Расширяемая система, поддержка языка R;
3. Возможность оценки тональности текста;
4. Сообщество пользователей и поддержка новичков.
KnimeБесплатноСистема для анализа данных, которая даже в базовом функционале имеет мощные инструменты1. Широкие возможности анализа текста;
2. Возможность веб-анализа, анализа изображений и социальных сетей;
3. Интуитивно-понятный интерфейс без необходимости программирования.
IBM SPSS ModelerОт 80$Низкая требовательность к новичкам, благодаря автоматическому подбору необходимой статистической модели1. Автоматическое моделирование и выбор наиболее эффективное модели;
2. Геопространственная аналитика;
3. Поддержка технологий с открытым исходным кодом (R, Python);
4. Аналитика текста.
IBM Watson AnalyticsОт 250$Один из наиболее мощных инструментов для предиктивной аналитики и анализа больших данных1. Возможность работы в облаке;
2. Расширенные возможности визуализации;
3. Интуитивно-понятный интерфейс без необходимости программирования;
4. Быстрота обработки данных.
SAS Enterprise MinerОт 160$Система разработанная для проектирования точных предсказательных и описательных моделей на основе big-data1. Клиент-серверное решение – позволяет оптимизировать процессы аналитики;
2. Нет необходимости в программировании;
3. Продвинутый скоринг – применение модели к новым данным;
4. Самодокументируемая проектная среда.
SAP BusinessObjects Predictive AnalyticsОт 200$SAP в 2022 году был награжден статусом лидера рынка в предсказательной аналитики1. Большая автоматизированность, легкость в переобучении модели;
2. Расширенные возможности визуализации;
3. Возможность расширения языком R.
Oracle Big Data PreparationОт 150$Благодаря интуитивному и интерактивному интерфейсу привлекает пользователей без навыков программирования1. Работа в облаке;
2. Простота использования;
3. Широкие возможности интеграции с другими облачными сервисами.

Как провести авс-анализ продаж в excel: этапы и пример

Проще и удобнее всего будет провести АВС-анализ в «Excel». Давайте рассмотрим основные этапы, которые предполагает АВС-анализ ассортимента и объёма продаж той или иной фирмы:

  1. Определение номенклатуры продукции компании.

  2. Расчёт нормы прибыли по каждой товарной категории.

  3. Определение эффективности всех категорий по-отдельности.

  4. Ранжирование товаров и их классификация (ABC) по значимости для компании.

Дополнительный анализ:  Статистика и аналитика на YouTube любого канала: просмотр данных

Для простоты понимания изучим конкретный пример, как делать АВС-анализ продаж в «Excel» для магазина смартфонов. Нужно ввести наименования всех товарных позиций (категорий товаров), имеющихся в наличии, и указать их норму дохода.

Обратите внимание на расположенный ниже рисунок:

Затем нужно провести сортировку товаров по прибыльности. Заходим в главное меню «Excel» → «Данные» → «Сортировка». Результатом будет выстраивание категорий товаров по рентабельности от самого прибыльного до максимально убыточного.

На следующем этапе требуется определить долю каждой группы. Для этого воспользуемся формулами АВС-анализа в «Excel».

Доля продаж каждого вида товара С5 = B5/СУММ($B$5:$B$15) и т. д.

Затем рассчитывается доля накопительным итогом по формуле:

Доля товара в номенклатуре накопительным итогом D6 = C6 D5 и т. д.

После этого требуется отделить границу до 80 % для категории товаров «А», 80–95 % для категории товаров «В» и 95–100 % для товаров «С».

На рисунке ниже представлен результат группировки товаров по трём группам для магазина смартфонов. Так становится понятно, что бренды Samsung, Nokia, Fly и LG дают 80 % всех продаж; Alcatel, HTC, Lenovo обеспечивают 15 % продаж; Philips, Sony, Apple, ASUS приносят всего 5 % выручки от реализации.

Проведя АВС-анализ ассортимента, фирма получает отчёт о том, какие товары обеспечивают основные денежные поступления. Дальнейшей целью является увеличение продаж целевых товаров из группы «А» и снижение доли нерентабельных товаров из группы «С». В данном примере около 30 % всех товаров приносят компании 80 % прибыли.

Контрольные формы

► 1. «Факт оплат за сегодня». Плановые показатели аналитики продаж контролируются с помощью отчета «Факт оплат за сегодня». Как делать аналитику продаж на ежедневной основе? Для этого сотрудники дважды в день заполняют такую таблицу.

otchet-o-prodazhah-fakt-oplat-za-segodnya

► 2. Отчет «Доска». Формируется автоматически как результат предварительной аналитики продаж. Пример:

Все данные в таком формате выводятся на видеопанель для всеобщего ознакомления.

Для чего нужна аналитика продаж по «доске»? По ней за несколько секунд можно определить, как обстоят дела с выполнением плана.

Особого внимания заслуживает первый столбец – «процент выполнения плана на текущий день». Не нужно путать его с абсолютным показателем, а вернее с абсолютно бесполезным показателем, который просто отражает процент закрытия плана.

Действительно, если представить ситуацию, что менеджер выполнил примерно 70% по прогнозу, и при этом мы находимся в середине третьего недельного цикла. О чем нам это говорит? Мы можем понять справляется человек с поставленными ему задачами или нет? Очевидно, что ответов на этот вопрос мы не получим.

Поэтому «процент выполнения плана на текущий день» — это показатель темпа. Таким образом, он «сообщает» о том, насколько будет выполнен план каждым из сотрудников, если тот продолжит работать в том же ритме.

Из приведенной выше «доски» ясно, что дела у Сидорова совсем плохи, Иванову следует сильно ускориться, и только лишь Петров работает почти со 100-процентной отдачей.

Для расчета показателя темпа выполнения плана в CRM загружается следующая формула:

Кто такие hr-аналитики | медиа нетологии

В каждой компании есть перечень бизнес-вопросов, которые может решить HR-аналитик. Например, поддержание кадрового разнообразия — количества мужчин и женщин на предприятии. Или проблема текучести кадров — поиск причин, по которым сотрудники увольняются.

HR-аналитики собирают данные и рассчитывают основные метрики, чтобы оценивать действия руководства компании по найму и развитию персонала. Для этого используются следующие метрики:

HR-аналитик: что это за профессия, чем он занимается и как им стать Стоимость закрытия вакансии. Во сколько обходится компании закрытие одной вакансии, включая расходы на агентства по подбору персонала, рекламу, размещение вакансии.

HR-аналитик: что это за профессия, чем он занимается и как им стать Скорость закрытия вакансии. Сколько времени в среднем занимает поиск специалиста от публикации вакансии до выхода на работу.

HR-аналитик: что это за профессия, чем он занимается и как им стать Коэффициент текучести кадров, в том числе ранней текучести. Метрика показывает, насколько хорошо выстроен процесс найма и удержания в компании. Возможно, сотрудников подбирают неправильно, и в компанию приходят не те люди, либо компания не заботится о лояльности сотрудников, не вкладывается в удержание, поэтому персонал ищет место получше.

HR-аналитик: что это за профессия, чем он занимается и как им стать Средний стаж работы в компании. Метрика, которая позволяет оценить, как долго сотрудники в среднем задерживаются в компании.

HR-аналитик: что это за профессия, чем он занимается и как им стать ROI (HR). Коэффициент эффективности инвестиций в персонал — показатель прибыли, полученной на вложенные в персонал деньги.

HR-аналитик: что это за профессия, чем он занимается и как им стать Индекс лояльности, или eNPS (Employee Net Promoter Score). Метрика позволяет понять, готовы ли текущие сотрудники рекомендовать компанию как работодателя, оценить степень вовлечённости и лояльности и риски ухода персонала из компании.

HR-аналитик: что это за профессия, чем он занимается и как им стать Затраты на обучение одного сотрудника. Метрика показывает, какие расходы несёт компания на дополнительное образование персонала.

HR-аналитик: что это за профессия, чем он занимается и как им стать Качество найма. Интегральный показатель, который каждая компания может рассчитывать по собственному набору факторов:по совокупности коэффициента ранней текучести, проценту отказа от оффера, ущербу от неудачных наймов. Показатель позволяет увидеть, насколько эффективен процесс подбора в целом.

HR-аналитик: что это за профессия, чем он занимается и как им стать Процент отсутствия. Доля рабочих дней, которые сотрудник в среднем пропускает в течение определённого периода времени, без учёта отпуска.

HR-аналитики определяют источники данных для расчёта метрик, отвечают за корректность методологии расчёта, строят систему показателей, формируют отчётность и дашборды, делают модели и прогнозы, анализируют данные, ищут проблемы и предлагают варианты их решения, которые позволят оптимизировать процессы рекрутинга и управления персоналом.

Машинное обучение и нейронные сети

Стандартные компьютеры могут считать, однако не всегда способны решать задачи, с которыми легко справляется человеческий мозг. К примеру, машина не способна понять, что «Дрель Bosch 10 мАч», «Дрель Бош 10», «Дрель Бошь акк 10» ничем не отличаются друг от друга.

Как сделать так, чтобы машина думала, как мы с вами? Для этого необходимо создать в ней структуру, напоминающую мозг человека. Нейронные сети – именно такая структура. Они сделаны из огромного количества искусственный нейронов, при обучении которые создают связи, чтобы стало возможным анализировать данные.

Принцип работы нейронных сетей следующий: после получения информации они пропускают данные через сеть нейронов, чтобы выйти на результат. К примеру, отнести входные данные к какой-либо группе.

Для нормального функционирования нейросети необходимо обучить ее, данная процедура носит название «машинное обучение».


Для наглядности рассмотрим пример. Предположим, необходимо обучить нейросеть, чтобы она могла по изображению определять пол человека. Сделать это можно следующим образом:

  • Строим нейросеть — программируем искусственные нейроны, чтобы они воспринимали входные данные, а затем создавали связи.
  • Передаем нейросети очищенную выборку — базу лиц, которые отмечены как мужские или как женские. В результате нейросеть поймет, чем отличаются люди разного пола, и сможет самостоятельно определять по фотографии, кто на ней изображен: мужчина или женщина.
  • Тестируем нейросеть — передаем ей новую очищенную выборку, однако не указываем, на каких изображения женские лица, а где мужские. После этого можно будет судить о том, насколько часто нейросеть допускает ошибки и приемлемо ли это для вас.
Дополнительный анализ:  Как найти опытного системного аналитика

Как только нейросеть будет обучена и протестирована, ее можно использовать, чтобы обрабатывать большие данные.

Нейросети подходят для сортировки информации, классификации данных на основе входной информации, после чего принимается определенное решение.

Чаще всего нейросети применяются для той работы, с которой может справиться человек, к примеру распознание лиц, сортировка изображений, определение мошеннической банковской операции по некоторым признакам. В этих случаях нейросеть заменяет большое количество сотрудников, ускоряя процессы принятия решений.

Оценка

На данном этапе нам необходимо оценить товары по трём критериям: количество проданных позиций, маржа и рентабельность. Согласно принципам АВС-анализа, по каждому критерию проставляем: А ─ наилучшая оценка; В – средняя, обычная; С ─ наихудшая. Таким образом, все товары получат код, состоящий из трёх букв, всего 27 вариантов.

Чтобы распределить границы оценок, нужно ранжировать весь перечень товаров по значению критерия от высшего к низшему. 20 % лидеров всего ассортимента получают маркировку А, 30 % середнячков ─ маркировку В, оставшимся 50 % присваивается маркировка С.

Допустим, что в этом молочном магазинчике ассортимент всего в 10 позиций. Отсюда следует, что по каждому критерию будет два товара группы A, три товара группы B, оставшимся пяти будет присвоен код C. Ниже представлена сводная таблица АВС-анализа, в которой товары оцениваются по трём критериям и классифицируются от ААА до ССС.

ТоварПродажи, шт.Маржа, ₽Рентабельность, %Оценка
Молоко свежее95 (А)3 500 (А)36,8 (A)АAA
Кефир80 (А)3 000 (А)37,5 (A)АAA
Творог69 (B)900 (B)13,0(С)BBC
Ряженка73 (B)300 (С)4,1 (С)BCC
Сливки55 (B)500 (С)9,1 (С)BCC
Сметана50 (С)1 000 (B)20,0 (B)СBB
Йогурт30 (С)1 000 (B)33,0 (B)СBB
Айран12 (С)200 (С)16,7 (B)CCB
Сыворотка25 (С)300 (С)7,0 (С)CCC
Молоко топлёное21 (С)100 (С)4,8 (С)CCC

Фактически, это и есть отчёт АВС-анализа: всем позициям на прилавке присвоены соответствующие ранги. Всё, что требуется далее – правильно интерпретировать полученные результаты и посмотреть, есть ли возможность изменить расценки таким образом, чтобы представленная продуктовая линейка начала приносить больше выгоды.

По целям анализа и результатов

  1. SEO-аналитика с целью повышения органического трафика через рост объемов материалов и их позиций в поисковой выдаче

Такая аналитика показывает слабые места в семантическом ядре, материалах, ссылочном профиле. Для нее используют Яндекс Метрику/Google Analytics, сервисы SEO-аудита, лог-анализаторы для выявления технических ошибок в работе сайта и так далее. 

SEO-оптимизация и SEO-аудиты — это в каком-то смысле отдельный блок веб-аналитики, основанный на показателях вовлеченности, объемах материалов, перелинковке, внешних ссылках и так далее. Для такой аналитики используют не только Google Analytics или Яндекс.Метрику. К такой работе подключают дополнительные сервисы вроде Serpstat, Rush-Analytics и другие.

  1. Поведенческая аналитика с целью сегментации аудитории и прогноза действий разных групп пользователей

Здесь вы определяете ЦА и прогнозируете ее поведение в вашей коммуникационной стратегии. Последнюю вы корректируете за счет данных поведенческой аналитики. Анализ аудитории, ее интересов и так далее — это побочный эффект от правильной сегментации рекламы по полу, возрасту, хобби и так далее.

  1. Сквозная аналитика

Это аналитика с акцентом на результат в разрезе разных каналов трафика. Ее цель — выявление каналов или кампаний, наиболее эффективных для основного KPI. В случае e-commerce это прибыль и окупаемость маркетинговых инвестиций. В случае СМИ — подписки и возврат пользователей.

К примеру, вы можете сделать 2 объявления на 2 разных продукта. Затем благодаря методам сквозной аналитики вы увидите, что один рентабельнее другого. Но при этом вы не получите никаких данных об аудитории, пока не сделаете объявления на ее разные сегменты. Это не значит, что метод применен неверно или не сработал. Просто сквозная аналитика не предназначена для оценки ЦА.

Если связать полученные данные со сведениями от счетчиков аналитики, у вас на руках будет подробный отчет. В нем отражаются все этапы: от проведенной рекламной кампании и затраченных средств на закупку кликов до ROI с них. Удобный способ сформировать такой отчет — использовать сквозную аналитику ROMI center. Этот сервис собирает данные из рекламных каналов, CRM, системы коллтрекинга и объединяет их в единый отчет.

Три перечисленные категории можно назвать комплексной веб-аналитикой, так как они охватывают:

  • SEO-показатели для роста органического трафика;
  • социальные и поведенческие показатели для понимания ЦА;
  • маркетинговые показатели и прибыль для оценки рентабельности. 

Подстройка цен

Для крупных компаний был составлен перечень рекомендаций, доступно объясняющих, каким образом менять цены, основываясь на выводах АВС-анализа. Эти рекомендации несложные, они базируются на обычной логике и не требуют каких-либо специфических знаний. Главная цель, которую преследуют данные меры ─ добиться максимально возможной цены на товар, при этом не потеряв в продажах.

На товары группы A по продажам не советуют повышать цены. Эти товары пользуются большим спросом, а значит, покупатели быстро обратят внимание на рост цен и могут отказаться от продукта в пользу более дешёвого аналога либо вовсе отправятся к вашим конкурентам. В обоих случаях продажи снизятся.

На товары группы А по рентабельности, но C по продажам советуют снизить цену, например, запустив акцию, либо же на постоянной основе. Товары этой категории приносят большую выгоду, но пока что плохо расходятся. Снижение цены может поспособствовать росту продаж, и вы так или иначе выйдете в плюс.

  • Поднимаем цены: товары BAB, BAC, BBA, BBB, BBC, BCB, BCC, CAB, CAC, CBB, CBC, CCB, CCC.

На товары, получившие B или C по продажам вместе с B или С по рентабельности, советуют поднять цены до 15 % в зависимости от маржи. Дело в том, что эти продукты разбираются не так активно, как товары категории А, а значит и рост цен останется незаметным для большинства клиентов. При этом повышение стоимости положительно скажется на рентабельности и марже.

Помните о следующем принципе: чем выше оценка товара по марже, тем меньше следует поднимать его цену.

Когда какой-либо продукт уже приносит вам больше маржи, чем остальные 80 % ассортимента, сильное поднятие его стоимости отрицательно повлияет на объём продаж. Эксперты предлагают поднимать цены таким образом:

Чтобы клиенты не восприняли изменения в ценовой политике слишком негативно, советуют повышать цены примерно на 10 % товаров категории А по марже, 15 % категории B и 20 % категории C.

Предположим, у вас продаётся 1 000 товарных наименований, из них 200 получили A по марже, 300 — B и 500 – C. Если решили повышать цены, выбирайте не больше 20 товаров категории A, 45 товаров из B и 100 товаров из C.

Подытожим рекомендации по изменению цен по результатам ABC-анализа и применим их в молочном магазине:

Не меняем цены1–5 % ↑ (на 10 % товаров)5–10 % ↑ (на 15 % товаров)10–15 % ↑ (на 20 % товаров)
CAA, CBA, CCAAAA, AAB, AAC, ABA, ABB, ABC, ACA, ACB, ACCBAB, BAC, CAB, CACBBA, BBB, BBC, CBB, CBCBCB, BCC, CCB, CCC
Молоко свежее, кефирТворог, сметана, йогуртРяженка, сливки, айран, сыворотка, топлёное молоко

По этой таблице АВС-анализа мы видим, что повышение цен на молоко и кефир будет нецелесообразным, поскольку данные позиции пользуются наибольшим спросом, приносят высокую маржу, а их рентабельность выше, чем у остальных 80 % продуктов.

Товаров, цены на которые можно было бы снизить, то есть товаров с маркировками CAA, CBA, CCA мы не обнаружили.

На оставшиеся позиции в ассортименте разумно будет поднять цены, поскольку это продукты, чьи рентабельность и продажи оценены на В или С. Помним о том, что в небольшом молочном магазине всего 10 позиций на прилавке, а значит, к повышению стоимости нужно подходить осторожно.

Рекомендации опытных специалистов по организации и проведению аналитической работы

На этапе планирования деятельности важно точно определить цель и задачи, оценить собственные возможности по проведению анализа и необходимость привлечения сторонних экспертов. Притом в случае подключения дополнительных кадров важно поверить уровень их квалификации убедиться в их компетентности.

Чтобы организовать и провести анализ объекта или его отдельной стороны важно не только грамотно спланировать каждый шаг, но и делегировать полномочия. Квалифицированный эксперт сумеет выполнить задание быстро и правильно, нежели самому разбираться во всех нюансах, изучать их и вникать (что займет больше времени).

Проведение аналитической работы
Организация и проведение анализа объекта

При сборе информации обратите внимание на ее подлинность и достоверность. Анализ должен строиться исключительно на проверенных и доказанных фактах, чтобы в дальнейшем предложенный план мероприятий по решению проблемы был максимально эффективным, учитывал возможности и способности объекта, его реальное положение.

Тщательно проверяйте все произведенные расчеты, чтобы убедиться в точности полученных результатов. В противном случае анализ итогов аналитической работы будет недостоверным.

Для удобства интерпретации собранных данных необходимо использовать специальные аналитические таблицы. В них автор располагает в определенном (чаще хронологическом порядке – по периодам, или по конкретному признаку) данные об объекте, отмечает их динамику и выявляет те или иные закономерности. Опытные эксперты рекомендуют сравнивать реальные сведения с действующими нормативами, данными предшествующих периодов.

При анализе полученных результатов необходимо оценивать как отклонение конкретного показателя, так и выявленные негативные тенденции в единой системе: о какой проблеме они свидетельствуют, какое из отклонений оказывает сильное воздействие и пр. В дальнейшем учет всех нюансов позволит сформировать рациональный и эффективный план мероприятий.

Оформление аналитической работы должно быть выполнено с учетом всех действующих требований если анализ оформляется в виде студенческого или научно-исследовательского проекта, то необходимо учесть методические рекомендации ВУЗа, ГОСТы. Если же итоги аналитической мысли оформляются на предприятии в виде специального отчета, то целесообразно учесть особенности его формирования (фирменный бланк организации, структура отчета и пр.). Для этого достаточно взглянуть на предыдущие подобные документы. При возникновении проблем лучше всего обратиться к квалифицированным экспертам.

Совмещение abc и xyz анализа

Дополнив рассмотренный выше метод АВС-анализа XYZ-исследованием, мы сможем изучить клиентскую базу гораздо более глубоко, подробно рассмотреть динамику товарного ассортимента и его запасов. Обе методики не только прекрасно работают в тандеме, но и составляют единый АВС-XYZ-анализ номенклатуры.

Как мы видим из данной таблицы АВС-XYZ-анализа, часть товара из топ-списка, выводит в супер-топ (AX). Какой-то товар в категории А мы обнаружим в AZ. Это хороший повод поразмыслить.

Бывает, что товар с небольшой ценностью обладает высокими показателями стабильности (смотрим группу СХ). Возможна переоценка веса товара в этой номенклатуре по категории ВХ, где с невысокой маржой можно стабильно зарабатывать.

Постарайтесь найти ответы на следующие вопросы:

По товарам группы AX вполне можно увеличить страховой запас. По товарам групп CX и CY сто́ит значительно его сократить.

Дополнив расширенный АВС-анализ, где участвует частотность и количество обращений к АВС-XYZ-анализу, получаем самую полную картину.

Разумеется, на практике в пользу каждого товара найдутся свои «за» и «против». Главная цель, которую мы преследуем ─ найти новые возможности для более детальной аналитики.

У XYZ-анализа есть и минусы. Так, этот метод:

Таким образом, ABC и XYZ-анализы позволяют грамотно скорректировать стратегию управления ассортиментом, товарными запасами, оптимизировать работу с потребителями и поставщиками сырья. Важно, что для использования этих аналитических методик не потребуются какие-либо сложные программы, в большинстве случаев для построения нужной аналитики хватает возможностей «Excel».

Научившись правильно применять и комбинировать оба инструмента, вы сделаете анализ более детальным и объёмным, а решения на основе полученных данных приведут компанию к успеху и существенно увеличат общую прибыль.

Облако тегов

Функционал vs функциональная возможность

Еще одним термином, который часто используется не совсем корректно в бизнес-анализе, является «функционал», когда так называют функциональную возможность программного обеспечения или автоматизированной системы. Однако, понятие функционал относится к области математического анализа и означает функцию с произвольным множеством в области определения и числовой областью значений на множестве вещественных или комплексных чисел.

Еще функционалом в математике называется любое отображение из произвольного множества в произвольное, в т.ч. не числовое, кольцо – алгебраическую структуру, где определены операции обратимого сложения и умножения, по свойствам похожие на соответствующие операции над числами.

Функциональная возможность информационной системы – это то, что она позволяет делать пользователю, чтобы решить его конкретную бизнес-проблему, т.е. удовлетворить потребность того или иного стейкхолдера. Например, сформировать отчет по основным показателям управленческого учета в заданный период времени, сгенерировать 3D-модель по двумерным чертежам, просмотреть документ, согласовать запрос на изменение артефакта и пр.

Это именно то, что системные и бизнес-аналитики показывают на UML-диаграмме use case в виде прецедентов — набора функций, объединенных по контексту, т.е. вариантов использования информационной системы для разных акторов, т.е. пользователей и внешних сервисов.

Поэтому не стоит называть функциональную возможность ПО функционалом: хотя эти термины и близки по звучанию, они относятся к разным предметным областям и означают разные вещи.

Чем программное обеспечение отличается от информационной системы и можно ли использовать эти термины как взаимозаменяемые понятия, мы рассматривали в этой статье по стандартам спецификации требований в виде ТЗ и SRS. Проверить, насколько хорошо вы знакомы с этими стандартами, вы можете прямо на нашем сайте, самостоятельно выполнив открытый интерактивный тест.

А узнать о других ошибках начинающих бизнес-аналитиков и как их избежать, вам помогут курсы Школы прикладного бизнес-анализа в нашем лицензированном учебном центре обучения и повышения квалификации системных и бизнес-аналитиков в Москве:

Чем аналитика поможет бизнесу | медиа нетологии


На практике достаточно кейсов, когда управленческие решения принимаются без учёта внутренних данных. Например, на стадии становления проекта, когда данные ещё не накоплены, а нужно оперативно находить зоны роста.

Бизнес резонно вкладывает ресурсы в реализацию продукта, где «нащупывается» Product Market Fit, а для принятия решений есть только внешние бенчмарки и интуиция руководителя проекта («я так чувствую», «всегда так делали»).

Компании, которые начинают раньше собирать данные и оптимизировать с их помощью процессы, получают преимущество над конкурентами.

За стадией бурного роста следует этап насыщения продуктом. А в некоторых случаях — снижения интереса к продукту или усиления конкуренции. И здесь многие компании начинают задумываться о том, что снижение темпов роста может компенсировать эффективная работа с внутренними данными.

Растёт потребность в аналитике, который организует сбор данных, систему отчётности и поможет руководителям проектов и команд регулярно получать ответы на adhoc-вопросы, — то есть введёт в компании культуру data-driven (принятие решений на основе данных) и data-informed (синтез опыта и данных).

Звучит красиво — «введёт data-driven культуру». Но гораздо чаще на этапе насыщения бизнес панически думает не о выстраивании процессов, а о сиюминутном поиске ответа на вопрос «почему падают продажи». Для ответа на этот вопрос аналитику нужны данные — а их нет.

Маркетологу будет знаком другой кейс: большая охватная рекламная кампания работает на зону роста маркетолога. Когда эта кампания прошла и нужно подводить итоги, обнаруживается, что данных для комплексного анализа вклада этой кампании в продажи нет. И аналитик маркетологу помочь не может.

Осознанная потребность в выстраивании аналитической культуры с самого старта есть в очень маленькой доле проектов. Ещё реже встречаются кейсы специализации аналитики под потребности команд: продукта, маркетинга, продаж. При этом не стоит думать, что нанять аналитика достаточно, чтобы стать data-driven компанией.

Оцените статью
Аналитик-эксперт
Добавить комментарий

Adblock
detector